债权治理背景下债委会的微观治理效应

新夫 柯梦婷 蒋丽娴

【摘 要】 找到有效防范化解重点领域风险的政策工具是当前理论和实践关注的焦点。文章以我国债委会相关政策的实施为准自然实验，选取2013—2021年A股上市公司为研究对象，以债务重组作为分组变量构造双重差分模型实证检验债委会对企业产能利用率的影响机制。研究发现：债委会政策对提高企业产能利用率能够起到十分显著的促进作用；债委會主要通过提高企业商业信用比例进而影响产能利用率。异质性分析表明杠杆率较高、信息透明度较高、代理成本较低的企业中债委会对企业产能利用率的提高作用更加显著。根据上述研究结论，提出进一步完善债委会相关政策、强化“分类施策”及提高债权人参与积极性等建议。

【关键词】 债权治理； 债委会； 产能利用率； 准自然实验

【中图分类号】 F257；F832  【文献标识码】 A  【文章编号】 1004-5937（2024）10-0081-09

一、引言

党的二十大报告指出，实现高质量发展是我国全面建设社会主义现代化国家的首要任务。为完成好这一任务，必须完整、准确、全面贯彻新发展理念，构建新发展格局，要把实施扩大内需战略同深化供给侧结构性改革有机结合起来，着力提高全要素生产率，以推动经济高质量发展。供给侧结构性改革是我国经济高质量发展的重要内容，在经济发展中具有重要地位。2023年12月，中央金融工作委员会进一步强调了坚持深化金融供给侧结构性改革的重要性，指出为加快建设金融强国、增强金融高质量发展动力，必须要深化金融供给侧结构性改革，坚决维护好经济金融安全和社会大局稳定，着力建设中国特色现代金融体系[ 1 ]。供给侧结构性改革包括去产能、去库存、去杠杆、降成本、补短板等内容。在深化供给侧结构性改革的一系列目标中，“去产能”列首位。从长期来看，产能过剩是制约我国经济增长的重要问题[ 2 ]，党和国家对此一直高度重视。20世纪末以来，政府采取了一系列政策措施，旨在解决产能过剩问题。2013年国务院发布的《关于化解产能严重过剩矛盾的指导意见》指出化解产能过剩是工作重点。自2015年中央经济工作会议提出“去产能”以来，其每年都是经济工作重点，地方政府也不断颁布相关政策文件。经过近十年的努力，产能过剩的治理初见成效，2023年三季度全国工业产能利用率为75.6%，与上年同期持平，比二季度上升1.1个百分点①。然而，自新冠疫情发生以来，中国经济恢复不均衡，2022年末，我国非金融企业杠杆率达到160.9%②，远高于全球其他主要经济体，新一轮产能过剩的风险不断累积。

现有文献中有关产能过剩的成因主要包括“政府干预”和“市场失灵”两种观点[ 3-4 ]。这些研究大多从宏观层面探讨行业性产能过剩问题，对微观企业层面的产能过剩研究相对有限，而微观层面的资源浪费可能引发宏观层面供需失衡的风险。因此，研究如何从微观主体的角度治理产能过剩，既有利于微观个体对资源的高效利用，又有利于抑制宏观产能过剩的发生[ 5 ]，对推动我国经济高质量发展具有重要意义。在此背景下，研究如何提高我国企业的产能利用率，以实现“去产能”的目标，显得至关重要。

本文所称的“债委会”，全称是“金融机构债权人委员会”。关于我国债委会的前身，最早可以追溯至2007年实施的《中华人民共和国企业破产法》，破产法中的债委会主要处理破产程序中债权人会议授权其解决的有关事项。在供给侧结构性改革的背景下，2016年银监会发布了《关于做好银行业金融机构债权人委员会有关工作的通知》（以下简称《债委会通知》），正式提出了“金融机构债权人委员会”。组建债委会是金融业贯彻供给侧结构性改革的一个重要举措，被视为引导金融资源向新兴产业倾斜并促进经济新动能增长的重要途径[ 6 ]。具体来说，债委会是由企业债权人发起的自治性、临时性协调组织，主要针对债务规模较大、存在困难的企业，用于处置困境企业的债务，以共同维护债权人的合法权益，是目前推动困境企业债务重组、化解债务危机、实现对资金合理分配行之有效的制度安排和工作机制。我国上市公司主要依赖银行等金融机构的贷款实现融资目标，债务融资已经成为最主要的资金筹集渠道，因此，债权人在企业层面扮演着至关重要的角色。随着企业杠杆率不断上升，股东与债权人之间的利益冲突逐渐成为我国上市公司中突出的代理问题，债委会的设立为债权人提供了更为完善的利益保护机制，进而为债权人发挥债权治理作用提供了有力保障[ 7 ]。在此背景下，债委会作为代表债权人利益的组织，能够对上市公司进行监督和约束，有效发挥债权治理作用，进而从外部治理视角加强企业治理，良好的企业治理能够有效缓解产能过剩[ 8 ]。那么债委会能否提高及通过何种机制影响企业产能利用率呢？这是本文所要研究的核心问题。本文在现有文献的研究基础上，以债委会为着眼点，从债权治理角度对债委会与企业产能利用率之间的关系进行实证检验，旨在从外部治理视角探讨债委会政策对企业产能利用率的影响及其作用机制。

本文可能的边际贡献主要体现在：一是以往研究主要从理论上对债委会影响企业的产能利用率进行分析，本文以债委会政策作为准自然实验，通过构造双重差分（Difference in Difference，DID）模型，首次实证检验了债委会政策是否促进了企业产能利用率的提高；二是通过机制效应，从债权治理的视角检验债委会对企业产能利用率的影响传导机制，为债权治理的去产能效应提供理论支撑，有助于理解微观产能过剩的债权治理机制。

二、理论分析与研究假设

产能过剩是指生产能力在一定程度上没有得到充分利用的现象，表现在微观、中观和宏观三个层面。在我国，宏观产能过剩的微观诱因主要是企业过度投资[ 9 ]。债委会作为一种宏观调控政策，目的是为了更好地通过市场规则和政策导向实现对企业财务和资金的合理有效分配，进而在一定程度上缓解企业的过度投资行为。破产法提出的破产管理人制度使中国破产制度更加接近国际法律标准，增强了债权人的权益保护，在一定程度上改善了我国的债权治理环境[ 10 ]。在供给侧结构性改革的背景下，金融债委会基于对债务人信息更全面的掌握，更容易判断和区分有救助价值和不具备救治价值的企业，对符合产业结构升级方向的企业会增贷、续贷，提供必要的纾困资金，帮助其恢复正常生产经营；对不具备救治价值的企业及时采取措施，稳妥实施“僵尸企业”的有序退出，以防范资产流失。这样实现了对企业财务和资金的合理有效分配，引导金融资源向新产业倾斜，能够更好地为供给侧结构性改革提供良好的金融环境[ 11 ]。

从微观来看，传统的MM理论认为在完全竞争、无税收等假设下，企业引入资本与投资无关。但随着委托代理和信息不对称等理论的发展，众多学者发现在现实市场中，企业从不同渠道引入的资本会影响其投资行为。这些资本构成了企业扩张的资源基础，不仅影响企业利益相关者所受到的激励和约束，而且影响企业投资决策权在各利益相关者之间的分配，这也是企业产能过剩形成的前提和基础[ 12 ]。债权人是企业最重要的利益相关者之一，债委会作为代表债权人利益的利益相关者，能够激发债权人参与企业治理的积极性，从而使债权人有动机确保企业的稳健运营，以维护其自身利益。与其他债权治理机制相比，债委会具有更高的监督效率和更强的监督能力。这是因为债委会为同一企业的不同债权人提供了一个信息沟通的平台，债权人之间能够充分共享信息，从而最大程度地缓解债权人、债务人与管理层之间的信息不对称问题。此外，债权人通过共享信息还可以更好地分析和评估企业的经营情况，以协商达成统一行动，如事前防止过度授信、事中防止随意抽贷、事后防止债务人恶意逃废债等。这种合作格局使债权人能够通过信息共享产生“规模效应”，帮助债权人在内部协商一致的基础上形成对外统一意见，从而增强了他们的谈判地位，进而提高了企业的产能利用率。一是监督和约束管理层的自利行为。控制权与所有权分离导致的委托代理问题引发了管理层的自利行为，外部投资者可以通过对管理层进行监督，阻止管理層因自身利益等而进行的产能扩张行为。随着债委会政策的颁布，债委会的“规模效应”使其在监管方面具有更高的效能和效率，因此能够对管理层自利的产能扩张行为进行更有效的约束，从而有利于提高企业的产能利用率。二是优化管理层的投资决策，提高资源配置效率。根据市场失灵理论，企业产能过剩现象不仅是管理层自利导致的，而且可能是管理层能力欠缺或信息不充分[ 13 ]造成非理性投资所带来的。依托债委会，债权人能够积极主动地将先进的企业治理和管理理念灌输给管理层，提醒他们避免在盈利表象下进行盲目扩张和过度投资，这一过程有利于管理层调整投资决策，防止过度投资行为，最终提高企业的产能利用率。综合以上分析，本文提出：

假设1：债委会能够显著提高企业的产能利用率。

从债权治理角度来看，债权人主要通过企业的债务发挥债权治理效应，企业的债务常被用作衡量债权治理的指标。那么，债委会对企业产能利用率的影响是通过何种机制变量发挥作用呢？本文选取企业债务相关指标探求其具体影响。上市公司通常从多方面产生债务，主要有银行借款、发行债券和商业信用。除了银行作为债权人的监督作用外，债券持有人和商业信用提供者也可能发挥治理作用[ 14 ]。同时，不同种类的债权在借款动机、监督方式和控制手段上有明显差异，对企业的治理效应亦不尽相同。因此，本文分别从银行借款、发行债券和商业信用的角度分析它们对债委会影响产能利用率的机制效应。债委会中的债权人通过信息共享和沟通互动，集体研究企业的债务处置措施，尽可能确保企业的风险化解和债务危机突破，实现企业有序重组和回归正常经营，这一过程能够帮助企业调整及优化债务结构，使不同种类的债权充分发挥债权治理效应，从而提高企业的产能利用率[ 15 ]。具体来看，债委会首先协调了银行与企业之间的利益冲突，降低了单个银行的不理智行为，导致整体债权行利益受损的可能性降低，提高了银行债权治理的积极性；其次是通过债委会平台，提高了企业与债权人之间的信息透明度，极大地缓解了利益相关者之间的冲突，有利于提高债委会发挥债权治理的效果。因此本文推测，债委会能够通过调整企业债务结构进而提高企业的产能利用率。具体如下：

一是银行借款在企业融资中扮演着重要角色，对产能利用率有双重影响。一方面，根据银行“大贷款人监督”理论，银行获取和处理企业信息的成本较单个债权人更低，因而监管效率更高，能够有效阻止管理者的自利行为；另一方面，银行借款提供了资金支持，在增加企业投资机会的同时也可能导致管理者滥用自由现金流，从而降低企业的投资效率。此外，银行借款受到预算软约束的影响，可能无法有效遏制过度投资，反而降低企业的产能利用率[ 16 ]。综合来看，债委会可能导致企业的银行借款比例上升或下降，对产能利用率产生积极或消极影响。基于上述分析，本文提出：

假设2a：债委会通过增加或降低企业银行借款比例进而显著提高产能利用率。

二是企业债券通常具有良好的信用和信息披露要求，有助于降低信息不对称，从而在一定程度上发挥监督治理作用[ 17 ]。与银行借款不同，企业债券在市场中的债权人众多，可能导致“搭便车”问题，降低了债权人的监督激励[ 18 ]。另外，我国债券市场发展时间相对较短，企业债券对提高投资效率的正面作用尚未充分显现。因此推测，企业债券难以有效发挥债权治理作用，发行债券比例的提高会降低企业产能利用率。基于此，本文提出：

假设2b：债委会通过降低企业发行债券比例进而显著提高产能利用率。

三是商业信用是企业间因日常交易中发生预收账款或延期付款所形成的信贷关系，由于企业与客户和供应商之间存在长期的贸易关系，客户和供应商通过业务往来更加容易发现企业经营业绩及信用状况的变化，相较于其他债权人具有信息优势，因而能够更好地对企业进行监督[ 19 ]。由此推测，商业信用在监督企业方面具有信息优势，这使得商业信用可以用来监督企业的经营表现和信用状况，从而对抑制企业的非效率投资和产能过剩发挥作用。因此，本文提出：

假设2c：债委会通过增加企业商业信用比例进而显著提高产能利用率。

三、研究设计

（一）样本选取与数据来源

本研究采用了2013—2021年间A股上市公司数据作为研究样本，并采取以下步骤对初始数据进行预处理，以确保数据的质量和可用性。（1）剔除主要变量及估算产能利用率所涉及指标存在缺失的样本；（2）剔除金融业样本；（3）剔除注册地为开曼群岛的样本；（4）剔除当年标记ST和PT的样本；（5）剔除总负债大于总资产的样本；（6）剔除当年IPO的样本。此外，为避免异常值影响，对连续变量进行了1%水平上的Winsorize缩尾处理。通过预处理，最终样本包含3 153家上市A股企业共20 730个观测值。数据均收集于国泰安数据库。

（二）指标选取与变量定义

1.被解释变量

参考曲玥[ 20 ]等的研究，本文采用随机前沿生产函数法，将实际产出与前沿产出的比值作为衡量企业产能利用率的指标，该比值越大表示产能利用率越高。通过借助企业主营业务收入（作为工业总产值的近似替代指标）、总资产规模及员工人数等要素，构建随机前沿生产面，得到了产能利用率的估算结果，并删除了产能利用率大于3和小于0.1的样本，以避免极端值的影响。

2.解释变量

本文构建DID模型来考查债委会政策对企业产能利用率的影响。模型中采用了分组虚拟变量（CZ）、时间虚拟变量（ZWH）和政策变量交互项（CZ×ZWH）。CZ为分组虚拟变量，将经历过债务重组的企业定为处理组，取值为1；将未经历过债务重组的企业定为控制组，取值为0。ZWH为时间虚拟变量，用来划分银监会发布《债委会通知》实施时间，当企业样本所在年份为2016年及之后时该变量取1，否则取0。CZ×ZWH指的是分组虚拟变量和时间虚拟变量的交互效应，是DID模型中的关键解释因素。

3.机制变量

本文机制变量包括如下三个指标：银行借款比例（FINBANK）、发行债券比例（FINBOND）和商业信用比例（FINCREDIT）。

4.控制变量

参照现有文献的做法[ 4 ]，控制变量选取了企业规模（LnASSET）、资产负债率（FINLEV）、盈利能力（ROA）、成长性（GROWTH）、职工人数（LnSTAFF）、固定资产占比（FA）、企业年龄（LnAGE）、董事会规模（LnBOARD）、董事会独立性（INDEP）以及两职合一（DUALROLE）等。

变量具体定义见表1。

（三）模型构建

根据前文分析，2016年银监会发布的《债委会通知》在债委会发展过程中起着举足轻重的作用，因此本文以2016年作为事件发生的时点，根据企业债务重组情况分组构造DID模型，检验债委会政策的实施如何影响企业产能利用率。之所以选择企业债务重组情况作为分组变量构造DID模型捕捉债委会的去杠杆效应，是因为现阶段债委会主要建立于出现了债务困境的企业，旨在帮助企业进行有序重组和回归正常经营。通过对我国上市公司2013—2021年间债务重组情况的统计可以发现，发生债务重组的企业数量在2016年达到峰值，因此可以反映出进行债务重组的企业更可能受到债委会政策的影响。为避免数据的重复与不一致，本文将样本期发生过债务重组的企业作为处理组，将未发生过债务重组的企业作为控制组进行分析。基于此，本文构建如下DID模型进行实证检验：

其中，CUi，t表示产能利用率；CZi，t为分组虚拟变量；ZWHi，t为时间虚拟变量；CZi，t×ZWHi，t为分组虚拟变量和时间虚拟变量的交互效应，是模型中的关键解释变量，本文的焦点集中在分析该交互项的回歸系数，如果该系数在统计上显著为正，那么说明债委会政策能够显著提升企业产能利用率。CVs为控制变量集合，IND为行业固定效应，YEAR为年度固定效应。

除了以上模型反映的直接效应外，为探索债委会对产能利用率的可能影响机制，本文还采用因果逐步回归法对银行借款比例、发行债券比例及商业信用比例的间接效应进行检验。在模型（1）的基础上构建以下模型：

其中，FIN表示银行借款比例、发行债券比例及商业信用比例这三种机制变量，其他变量含义与模型（1）一致。

四、实证结果与分析

（一）描述性统计

表2展示了描述性统计结果。其中本文计算出的产能利用率均值为78%，接近徐业坤和马光源[ 21 ]计算的均值78.6%，中位数为0.681，标准差为0.450，最小值为0.139，最大值为2.517，可见我国上市公司产能利用率有待提高且差异较为明显。其余控制变量结果与现有文献[ 22 ]基本一致，未见显著差异。

（二）实证结果

表3列（1）展示了我国债委会政策对企业产能利用率影响的基准回归结果。其中，交互项CZ×ZWH系数为0.066，在1%的水平上显著，该结果表明，银监会发布的《债委会通知》的实施起到了正向促进企业产能利用率的作用，即债委会政策的颁布显著提高了企业的产能利用率，H1得以验证。

（三）稳健性检验

1.平行趋势检验

DID应用的前提条件是需要确保处理组和控制组在政策干预前有相似的发展趋势，即平行趋势假设成立，本文采用事件研究法进行平行趋势检验。为了防止完全共线性问题，本文选取事件发生前一期作为基期，检验了2016年前后3年处理组与控制组的时间趋势变化。从结果来看，在债委会政策实施前，处理组与控制组的产能利用率变化趋势一致，满足平行趋势的假设。限于篇幅，本文未列出平行趋势检验图。

2.安慰剂检验

安慰剂检验可以控制随时间趋势变化且不可观测因素对潜在结果的影响，主要包括随机时间和空间两个维度。在进行时间安慰剂检验时，本文将处理时间分别前置1至3期，即分别以2013—2015年作为伪处理时间，采用模型（1）进行DID估计。检验结果表明所有置信区间都包含0值，说明时间安慰剂效应均不显著。在进行空间安慰剂检验时，从样本中无放回地随机抽取若干个体作为伪处理个体，并采用模型（1）进行DID估计，得到一个安慰剂效应的估计值，如此重复500次，即可得到安慰剂效应的分布。本文的空间安慰剂检验结果如表4所示，可以看出双边P值均小于等于0.01，故可拒绝“处理效应为0”的原假设，认为平均处理效应在1%水平上显著，检验结果符合安慰剂检验预期，因而能排除其他潜在的不可观测因素对产能利用率的影响。

3.替换被解释变量

本文采用余东华和吕逸楠[ 23 ]使用的生产函数法估算产能利用率，并作为替代指标进行稳健性检验，回归结果见表3列（2）。其中，CZ×ZWH的系数依旧显著为正，与前文一致。

4.双重固定效应模型检验

本文在原有模型的基础上进一步控制个体效应，表3列（3）中交互项CZ×ZWH的结果与前文一样显著为正，证明了本文结论具有稳健性。

五、进一步分析

（一）影响机制检验

前文分析了债委会对企业产能利用率影响的直接效应，结果显示债委会对提高企业产能利用率具有显著影响，且通过了稳健性检验。为检验该作用机制，本文进一步通过模型（2）及模型（3）进行机制检验，回归结果见表5。列（1）及列（3）结果显示，银行借款比例及发行债券比例并未受到债委会政策的显著影响，这表明银行借款及发行债券并不是债委会提升产能利用率的作用渠道，H2a及H2b未通过检验。列（5）结果显示，债委会政策交互项可以显著提高企业的商业信用比例；列（6）的结果表明加入商业信用比例后，其系数为正且在1%水平上显著，而债委会政策交互项的系数虽显著为正但数值减小。这说明债委会能够通过增加企业商业信用比例来提高产能利用率，即提升商业信用水平是债委会影响企业产能利用率的作用渠道，且起到部分中介作用，因此H2c通过了检验。

（二）异质性分析

1.从企业杠杆率来看

通常情况下，债委会受监管部门的监督和指导，对企业进行分类施策。对负债率高的高风险企业或“僵尸企业”，更有可能组建债委会，而对未出现风险或出现暂时性风险的企业，债委会主要是进行预警和稳贷。因此，本文假设，相较于低杠杆企业，债委会在高杠杆企业中发挥的作用更显著。为验证这一假设，本文将样本企业根据财务杠杆水平分年度分行業按均值分组，分为高杠杆组和低杠杆组，并将杠杆从控制变量中剔除后进行分组回归。由表6列（1）和列（2）可以看到，在高杠杆组，债委会对企业产能利用率的影响在1%水平上显著为正，而在低杠杆组中不显著。

2.从企业信息透明度来看

信息不对称是产能过剩的一大成因。作为债权人之间的沟通平台，债委会有助于促进信息的共享，从而降低债权人与债务人之间的信息不对称。当企业信息透明度较高时，债委会能够更容易地实现各方之间的信息共享，包括企业内外部的环境和资源信息，这有益于企业更充分地认识市场环境的演变，改进其投资决策过程，从而有助于缓解企业的产能过剩问题。而当企业信息透明度较低时，债委会中的债权人难以获取企业内部信息，无法充分发挥其作为各方沟通桥梁的作用，因此其治理效果可能会减弱。本文参考Kim和Verrecchia[ 24 ]的方法，采用KV指数度量信息透明度，KV指数越高表明企业的信息披露质量越低。将样本根据分年度和分行业的KV指数均值分组，大于中位数的为信息透明度低组，反之则为高组。分组回归结果详见表6列（3）和列（4），可见主效应只在信息透明程度高的组中正显著，显著水平为1%。

3.从企业代理成本来看

当企业存在较高代理成本时，代理人出于个人私利的动机，倾向于扩大企业规模以获取更多的个人利益，这导致过度投资的现象在企业中广泛存在。长期过度投资可能引发企业产能闲置现象，从而降低了产能利用率。而在代理成本较低的企业中，债委会可以通过有效的监督和激励来影响经营者的行为，并防范其他股东与管理层的合谋行为，减少因代理问题引发的产能过剩。因此，债委会在代理成本较低的企业中可以更有效地缓解产能过剩问题。参考李小荣和张瑞君的研究[ 25 ]，本文采用管理费用占营业收入的比例来衡量代理成本。分年度分行业按均值进行分组，大于中位数为代理成本较高组，反之则为较低组。由表6中最后两列的结果可以发现，在代理成本较低的企业中，债委会对企业产能利用率的提升作用在1%水平上显著为正，而在代理成本较高企业中不显著。

六、研究结论与政策启示

根据研究结果，本文得出如下结论：债委会政策对提高企业产能利用率能够起到显著的促进作用；债委会主要通过提高企业商业信用比例进而影响产能利用率。异质性分析表明在杠杆率较高、信息透明度较高、代理成本较低的企业中，债委会对企业产能利用率的提高作用更加显著。

本文具有如下三方面政策启示：（1）加强顶层设计，完善债委会相关政策规定。政府应做好顶层设计，包括制定更高级别和力度的法规、明确债委会的定位和职责、规定不同主体的职责边界，以增强债委会在协调债权人行动方面的权威性；银行等金融机构应当将债委会工作纳入其内部管理体系，以确保内部管理与债委会的决策一致，从而更好地发挥债委会的作用，进一步推动债委会法治化进程，最终实现提高企业产能利用率和经济高质量发展的目标。（2）强化“分类施策”，推进债委会规范化运作。对公司治理良好、产品市场前景广阔、当前资金短缺的企业，债委会应提供增信支持；对存在暂时性困难的企业，债委会应努力稳定市场预期，提供稳健信贷支持，协助企业突破短期困境；对面临高风险、高杠杆的企业，债委会应制定相应的债务处置方案，有序推动企业整合或退市，以避免资产损失，最终实现企业财务和资金的合理有效配置，从而激发信贷资源的充分利用。（3）加强制度引导，提升债权人参与积极性。金融监管部门应完善对债委会成员的奖惩机制，敦促金融机构深刻理解债委会的作用，熟悉相关规定和权利义务，提高各方的积极性主动性；鼓励非金融机构的债权人参与债委会的组建，以便协同维护权益，在企业重组或破产过程中最大化地保护债权人权益，发挥债权人的治理作用。

【参考文献】

［1］ 中央金融委员会办公室，中央金融工作委员会. 坚定不移走中国特色金融发展之路［EB/OL］. （2023- 12-01）［2023- 12-13］. https：//baijiahao.baidu.com/s？id=1784065242469047648.

［2］ 杨振兵，严兵.对外直接投资对产能利用率的影响研究［J］.数量经济技术经济研究，2020，37（1）：102-121.

［3］ 林毅夫，巫和懋，邢亦青.“潮涌现象”与产能过剩的形成机制［J］.经济研究，2010，45（10）：4-19.

［4］ 马新啸，汤泰劼，郑国坚.混合所有制改革能化解国有企业产能过剩吗？［J］.经济管理，2021，43（2）：38-55.

［5］ 罗奇，陈梁，赵永亮.数字基础设施建设与企业产能利用率：来自“宽带中国”战略的经验证据［J］.产业经济研究，2022（5）：1-14.

［6］ 张志波.完善债权人委员会制度［J］.中国金融，2018（14）：85-87.

［7］ 李青原，邹秉辰，肖泽华.破产法律制度改革对企业避税的影响：来自《企业破产法》实施的经验证据［J］.经济管理，2022，44（12）：185-202.

［8］ 何小钢，梁权熙，王善骝.信息技术、劳动力结构与企业生产率：破解“信息技术生产率悖论”之谜［J］.管理世界，2019，35（9）：65-80.

［9］ 韦琳，孙青，徐立文.机构投资者对企业产能过剩的抑制：得力还是得利？［J］.贵州财经大学学报，2020（2）：39-48.

［10］ 辛灵，王大树.去产能企业债务风险防范与化解对策［J］.会计之友，2019（20）：132-135.

［11］ 董宁.论产能过剩企业金融债务有效重组路径与条件：基于山东肥矿集团的案例研究［J］.金融发展研究，2017（7）：42-46.

［12］ 张新民.产能过剩与资本市场［J］.北京工商大学学报（社会科学版），2017，32（1）：1-7.

［13］ 肖曙光，杨洁.高管股权激励促进企业升级了吗：来自中国上市公司的经验证据［J］.南开管理评论，2018，21（3）：66-75.

［14］ 何融，刘少波.破产威胁视角的债权治理与大股东掏空抑制［J］.产经评论，2018，9（5）：83-100.

［15］ 田玉洁.浅析破产程序中债委会与银行业金融机构债委会之不同［J］.法制与社会，2019（16）：76.

［16］ 刘娥平，徐海.债务融资硬约束与过度投资治理［J］.中山大学学报（社会科学版），2013，53（6）：192-203.

［17］ GOMARIZ M F C，BALLESTA J P S.Financial reporting quality，debt maturity and investment efficiency［J］.Journal of Banking & Finance，2014，40：494-506.

［18］ DIAMOND D W.Financial intermediation and delegated monitoring［J］.The Review of Economic Studies，1984，51（3）：393-414.

［19］ WU W，FIRTH M，RUI O M.Trust and the provision of trade credit［J］.Journal of Banking & Finance，2014，39：146-159.

［20］ 曲玥.中国工业产能利用率：基于企业数据的测算［J］.经济与管理评论，2015，31（1）：49-56.

［21］ 徐业坤，马光源.地方官员变更与企业产能过剩［J］.经济研究，2019，54（5）：129-145.

［22］ 国务院发展研究中心《进一步化解产能过剩的政策研究》课题组，赵昌文，许召元，等.当前我国产能过剩的特征、风险及对策研究：基于实地调研及微观数据的分析［J］.管理世界，2015（4）：1-10.

［23］ 余东华，吕逸楠.政府不当干预与战略性新兴产业产能过剩：以中国光伏产业为例［J］.中国工业经济，2015（10）：53-68.

［24］ KIM O，VERRECCHIA R E.The relation among disclosure，returns，and trading volume information［J］.The Accounting Review，2001，76（4）：633-654.

［25］ 李小榮，张瑞君.股权激励影响风险承担：代理成本还是风险规避？［J］.会计研究，2014（1）：57-63.